Hur Hamming lärde sig om digitala filter
Hamming kom till digitala filter som matematiker, inte som elektroingenjör. När han frågade ingenjörer varför de använde sinusoider istället för polynom eller Besselfunktioner, gav ingen ett tillfredsställande svar. Så han gick tillbaka till grunderna.
Han identifierade tre oberoende skäl varför komplexa exponentialer dominerar digital signalbehandling. Varje skäl ensamt rättfärdigar valet; tillsammans gör de det nästan obligatoriskt.
Skäl 1: Tidsinvarians
De flesta signalbehandlingssystem har ingen naturlig tidsursprung. Ett filter tillämpat vid middagstid bör fungera identiskt med samma filter tillämpat vid midnatt. Denna begränsning av tidsinvarians tvingar egenfunktionerna att vara komplexa exponentialer.
I matematiska termer: om ett linjärt, tidsinvariant (LTI) system har ingång x(n) = e^{i2πfn}, måste utgången också oscillera vid frekvensen f. Endast komplexa exponentialer uppfyller detta.
Skäl 2: Linearitet
Linjära system följer superposition. Egenfunktionerna för någon linjär operator är de funktioner som framträder oförändrade (förutom för skalning) när operatorn verkar på dem. För skiftoperatorn S: x(n) → x(n−1), är egenfunktionerna exakt e^{i2πfn}.
Skäl 3: Nyquist-sampling
Om en kontinuerlig signal inte innehåller frekvenser över f_max, fångar sampling med hastighet ≥ 2f_max all information. Denna Nyquist-Shannon samplingsteoremtet kopplar ihop kontinuerlig & diskret signalbehandling rent endast för Fourier-representationer.
Under likspacerad sampling aliasar en enda höga frekvens till en enda lägre frekvens. Under polynombaser aliasar en enda höga potens av t till många lägre potenser: ett kaos som Fourier helt undviker.
Överföringsfunktionen som egenvärde
När e^{i2πfn} går in i ett linjärt, tidsinvariant filter, är utgången lika med H(f) · e^{i2πfn} för något komplext tal H(f). Filtret skalerar & förskjuter oscillationen men kan inte ändra dess frekvens.
H(f) samlar all filtrets beteende vid frekvens f i ett enda komplext tal. För ett filter med koefficienter c_k:
H(f) = Σ c_k · e^{−i2πfk}
Denna formel gör H(f) till Fourier-transformationen av koefficientsekvensen. Varje frekvenskanal fungerar oberoende. Filtret dekomponerar ingången i frekvenskomponenter, multiplicerar varje med H(f), & monterar om dem.
Samplingsteoremtet
Hamming noterade att Nyquist-samplingsteoremtet var känt före Nyquist, men Nyquist får äran. Han citerade Pasteur: 'Luck favors the prepared mind.' Personen som kopplar en befintlig idé till ett praktiskt behov tjänar berömmelsen.
Teoremtet
Om en kontinuerlig signal x(t) inte innehåller frekvenskomponenter över f_max, fångar sampling med hastighet f_s ≥ 2·f_max all information. Den ursprungliga signalen rekonstrueras exakt från proverna.
Tröskeln f_s / 2 = f_max bär Nyquists namn. Sampling vid exakt Nyquist-hastigheten (2·f_max) är tillräcklig i princip men farlig i praktiken: varje liten oöverensstämmelse aliasar den högsta frekvensen.
Aliasing
När en signal innehåller frekvenser över f_s/2, återviker dessa frekvenser in i bandet [0, f_s/2]. En sinusoid vid f = f_s/2 + δ verkar omöjlig att skilja från en vid f_s/2 − δ. Tukey myntade termen aliasing för att namnge denna förklädnad.
Den geometriska bilden: komplexa exponentialer vid frekvenserna f & f + f_s producerar identiska sampel vid heltidspunkter. De delar ett alias.
Välja en samplingsfrekvens
Ett praktiskt digitalt audiosystem måste välja sin samplingsfrekvens innan det designar filter. Människor hör upp till ungefär 20 kHz. Standard-CD-samplingsfrekvensen på 44,1 kHz sätter Nyquist-frekvensen till 22,05 kHz.
Före sampling måste ett anti-aliasing-filter ta bort alla frekvenser över Nyquist-frekvensen. Om även en liten 25 kHz-komponent går in i samplaren, aliasar den till 44100 − 25000 = 19,1 kHz — hörbara.
Hårdvarans tre gränser
Hamming lärde en bredare lektion tillsammans med matematiken. Digitala filter finns för att hårdvara har gränser — & förståelse av dessa gränser formar bra design.
Han identifierade tre naturens lagar som begränsar hårdvarans prestanda:
1. Molekylär storlek: kretsar kan inte krympa på obestämd tid. Under en viss skala dominerar kvanteffekter.
2. Ljusets hastighet: signaler reser högst 3×10⁸ m/s. Klöckcykler snabbare än ljusöverföringstid över chipet producerar glitchar.
3. Värmespridning: omkoppling förbrukar kraft, som blir värme. Täta, snabba chips överhettas om de inte kyls.
Hans designfilosofi följde direkt: förstå gränserna, designa sedan system som fungerar bekvämt inom dem, med utrymme för variation & fel.
Digitala filter flyttar beräkning från hårdvara (analoga kretsar) till mjukvara (aritmetik på sampel). Denna förskjutning byter hårdvarans spröhet för numerisk precision & programmerbarhet — en följd av samplingsteoremtet, inte ett mirakel.
Hemmings designfilosofi
Hemmings ramverk: ett digitalt filter implementerar i mjukvara det som ett analogfilter gör i hårdvara. Samplingsteoremtet är bron. När du väl vet att bron håller, kan du designa filter genom att specificera den önskade överföringsfunktionen H(f), sedan finna koefficientsekvensen som realiserar det.
Ingenjörens jobb blir specifikation & aritmetik, inte att linda spolar & löda kondensatorer.